幾百年來，人們一直是通過反復(fù)試驗或者靠運氣和偶然發(fā)現(xiàn)新材料?，F(xiàn)在，科學(xué)家們正在使用人工智能來加速這一過程。
近，西北大學(xué)的研究人員用ai來解決如何生成新的金屬玻璃混合物的問題。這比起在實驗室進(jìn)行實驗快了200倍。
科學(xué)家們正在構(gòu)建由數(shù)千種化合物組成的數(shù)據(jù)庫，以便用算法來預(yù)測哪些化合物的組合會形成有趣的新材料。還有人用ai來分析已發(fā)表的論文挖據(jù)“材料配方”以產(chǎn)生新材料。
過去，科學(xué)家和建筑工人們只能將材料混合在一起看看能形成什么。比如，水泥就是這樣被發(fā)現(xiàn)的。隨著時間的推移，他們學(xué)習(xí)了各種化合物的物理特性，但大部分知識仍然只是基于直覺。
“如果你問為什么日本水淬鋼用于制作刀具好，我覺得誰都回答不了，”美國標(biāo)準(zhǔn)與技術(shù)研究院材料基因倡導(dǎo)小組的主任james warren說，“對于這種內(nèi)部結(jié)構(gòu)與迷人外表之間的關(guān)系，它們只有一種根據(jù)經(jīng)驗而來的理解。”
warren說，我們現(xiàn)在可以利用數(shù)據(jù)庫和計算機(jī)來快速確定是什么讓材料變得更堅固或更輕，而不是憑經(jīng)驗，這有可能變革整個行業(yè)。此外，原本發(fā)現(xiàn)一種材料并將其整合成產(chǎn)的時間可能需要超過20年，加速這一過程勢必會使我們獲得更好的手機(jī)電池和屏幕，更好的用于火箭的合金材料，以及更好的健康設(shè)備傳感器。
“任何事情只要是由物質(zhì)造成的，我們就可以改進(jìn)。”沃倫說。
正如warren所說，為了理解新材料是如何制造的，我們可以把材料科學(xué)家想象成廚師。假設(shè)你有雞蛋，并且你喜歡有嚼頭的食物，這些就是你想要的菜肴的特點，但你該怎么做呢？為了創(chuàng)建一個蛋白和蛋黃都結(jié)實的結(jié)構(gòu)，你需要一個配方，其中包含根據(jù)你想要的結(jié)果處理雞蛋的步驟，比如煮老一點。
材料科學(xué)使用相同的概念：如果一位科學(xué)家想要某些材料特性（比如說，輕便又堅韌），她會尋找可以產(chǎn)生這些特性的物理和化學(xué)結(jié)構(gòu)，以及需要通過哪種處理過程，比如對金屬進(jìn)行熔化或捶打，來創(chuàng)造這樣的結(jié)構(gòu)。
建立“材料云”數(shù)據(jù)庫，雖不但已為科學(xué)家們創(chuàng)造了捷徑
數(shù)據(jù)庫和計算技術(shù)可以幫助人們找到答案。“我們對材料進(jìn)行量子力學(xué)級別的計算，這種計算非常復(fù)雜，因此我們可以在實驗室中合成一種可能的新材料之前，就用計算機(jī)預(yù)測出它的屬性。”西北大學(xué)材料科學(xué)家chris wolverton說，他主管開放量子材料數(shù)據(jù)庫。其他主要數(shù)據(jù)庫包括材料項目和材料云。數(shù)據(jù)庫還不完整，但數(shù)據(jù)量一直在增長，并且已經(jīng)從中找到了令人興奮的發(fā)現(xiàn)。
瑞士洛桑聯(lián)邦理工大學(xué)研究員nicola marzari利用數(shù)據(jù)庫查找可剝離的3d材料，以創(chuàng)建僅有一層的2d材料。比如，被炒得沸沸揚揚的石墨烯，它由單層石墨(也就是鉛筆芯的材料)組成。像石墨烯一樣，這些2d材料可以具有非凡的特性，如強(qiáng)度，而這在其3d形態(tài)中是不存在的。
marzari的團(tuán)隊用算法篩選來自多個數(shù)據(jù)庫的信息。他上個月在《自然納米技術(shù)雜志》上發(fā)表的文章中寫到，該算法在超過100,000種材料中，終發(fā)現(xiàn)可以剝離成一層的材料大約有2,000種。
marzari管理的“材料云”是一個材料“寶藏”，因為許多材料具有可以改善電子設(shè)備的特性，有些可以很好地傳導(dǎo)電力，有些可以將熱量轉(zhuǎn)化為水，有些可以吸收太陽能：它們可以用于計算機(jī)或電池中的半導(dǎo)體，因此marzari團(tuán)隊的下一步就是密切研究這些可能的特性。
marzari的工作是科學(xué)家如何使用數(shù)據(jù)庫來預(yù)測哪些化合物可能會產(chǎn)生令人興奮的新材料的一個例子。然而，這些預(yù)測仍需要在實驗室中得到證實。并且marzari仍然需要給他的算法定義某些規(guī)則，比如尋找弱化學(xué)鍵。ai可以創(chuàng)建一條捷徑：科學(xué)家可以告訴ai他們想要創(chuàng)造的東西，比如超強(qiáng)材料，而不是編制特定的規(guī)則，然后ai會告訴科學(xué)家生成新材料佳實驗方法。
wolverton和他在西北大學(xué)的團(tuán)隊在本月出版的science advances雜志上的一篇論文中描述了ai 的運用。研究人員渴望研制新的金屬玻璃(非晶態(tài)合金)，這種玻璃比金屬或玻璃更結(jié)實，但硬度卻更低，未來可以用于改進(jìn)手機(jī)和航天器。
斯坦福大學(xué)slac加速器實驗室的共同研究者apurva mehta說，他們使用的ai方法與人們學(xué)習(xí)新語言的方式類似。語言學(xué)習(xí)的其中一種方法是坐下來記住所有的語法規(guī)則。“但另一種學(xué)習(xí)方法就是靠經(jīng)驗和聽別人說話，”mehta說。
他們的做法是把兩者組合起來。首先，研究人員瀏覽盡可能多的已發(fā)表的論文，了解如何制作不同類型的金屬玻璃。接下來，他們將這些“語法規(guī)則”提供給機(jī)器學(xué)習(xí)算法。然后該算法學(xué)會自己預(yù)測哪些元素的組合會創(chuàng)造一種新的金屬玻璃形式，這類似于通過去法國居住來改善法語，而不是無休止地背詞性變化表。mehta的團(tuán)隊隨后在實驗室中檢驗了機(jī)器學(xué)習(xí)系統(tǒng)給出的建議。
科學(xué)家一次可以合成和測試數(shù)千種材料。但即使以這樣的速度，盲目嘗試每種可能的組合還是很浪費時間。“他們不能把整個元素周期表都拿來做嘗試，”wolverton說，所以ai的作用是“為他們提供幾個入手點”。
ai的結(jié)果并不，還不能給出更進(jìn)一步的建議，比如所需元素的確切比例，但科學(xué)家們確實能夠用ai的結(jié)果生成新的金屬玻璃。另外，測試ai給出的結(jié)果意味著他們現(xiàn)在有更多的數(shù)據(jù)可以反饋給算法，所以每次重新預(yù)測都會變得更智能。
創(chuàng)建一份“食譜”或材料配方集
使用ai的另一種方式是創(chuàng)建一個“食譜”或材料配方集。在去年年底發(fā)表的兩篇論文中，麻省理工學(xué)院的科學(xué)家開發(fā)了一種機(jī)器學(xué)習(xí)系統(tǒng)，可以掃描學(xué)術(shù)論文，找出哪些論文包含制作某種材料的說明。它檢測出哪些段落包含“配方”的準(zhǔn)確率高達(dá)99%，并且該段落中找出原話的準(zhǔn)確度有86％。
麻省理工學(xué)院團(tuán)隊現(xiàn)在正在對ai系統(tǒng)進(jìn)行更的訓(xùn)練。他們希望為整個科學(xué)界創(chuàng)建這種“食譜”數(shù)據(jù)庫，但他們需要與這些學(xué)術(shù)論文的出版商合作，以確保其收集不違反任何協(xié)議。終，團(tuán)隊還希望能夠訓(xùn)練系統(tǒng)閱讀論文，然后自行制作新的“食譜”。
麻省理工學(xué)院材料科學(xué)家及共同研究者elsa olivetti：“我們的其中一個目標(biāo)是對于已經(jīng)發(fā)現(xiàn)的材料，找到更有效，更低成本的生成方法。另一個目標(biāo)是，對于計算機(jī)預(yù)測出的化合物，我們能否提出一系列更好的方法來生成它？”
挑戰(zhàn)：模型預(yù)測考慮不到現(xiàn)實因素
人工智能和材料科學(xué)的未來看起來很有前景，但依然存在挑戰(zhàn)。首先，計算機(jī)無法預(yù)測一切。“這些預(yù)測本身就有錯誤，并且經(jīng)常是在簡化的材料模型基礎(chǔ)上預(yù)測，而不考慮真實情況”，epfl的marzari說。有各種各樣的環(huán)境因素會影響化合物的行為，比如溫度和濕度，大多數(shù)模型沒有考慮這些因素。
wolverton認(rèn)為另一個問題是我們?nèi)匀粵]有足夠多的的所有化合物的數(shù)據(jù)資料，缺乏數(shù)據(jù)意味著算法不會很智能。也就是說，他和mehta現(xiàn)在希望在除金屬玻璃以外的其他類型的材料上使用他們的方法。他們希望有一天，生成新材料不再需要由人來做實驗，而只是ai和機(jī)器人就夠了。“我們可以創(chuàng)建一個真正完全自主的系統(tǒng)，”wolverton說，“沒有任何人參與的系統(tǒng)。”
編輯點評
縱觀新材料科學(xué)發(fā)展現(xiàn)狀，各項瓶頸挑戰(zhàn)也是科技發(fā)展迫切要解決的現(xiàn)狀。抓住機(jī)遇，充分調(diào)動各類型資金投入到新材料科學(xué)中，是加速材料科學(xué)發(fā)展的有力措施。
（原標(biāo)題：離開實驗室的材料科學(xué)：ai正將新材料的發(fā)現(xiàn)過程提速200倍）